基于深度学习的高分辨率遥感影像光伏用地提取
近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义.本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取.该方法的深度学习模型验证精度mIoU值达0.8992,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像.
高分卫星、光伏用地、深度学习、语义分割、分隔注意力机制
P237(摄影测量学与测绘遥感)
2021-06-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
96-101